距離 ChatGPT 的最初發布，過去差不多四個月的時間了。在這期間，ChatGPT 的驚艷表現，讓人直呼 AIGC 是不是要提前實現了。

不過眾所周知的一個秘密是，ChatGPT 不大可能開源，加上巨大的算力投入以及海量的訓練數據等，都為研究界復制其實現過程設下重重關卡。

面對 ChatGPT 的來勢洶洶，開源平替是一個不錯的選擇，它們在實現相似功能的同時，還能讓你通過替代品了解 ChatGPT 的運行機理。

隨著技術的進步，現在已經出現了許多其他類似于 ChatGPT 的新 AI 模型。本文我們將為大家盤點一下 ChatGPT 的開源平替項目。內容將分為兩部分，一部分為類 ChatGPT 開源項目匯總，另一部分是對該項目匯總的補充。

項目匯總

項目作者 nichtdax 整理了 9 個開源的 ChatGPT 平替項目。接下來會一一介紹。

項目地址：https://github.com/nichtdax/awesome-totally-open-chatgpt

PaLM-rlhf-pytorch?

第一個項目是「PaLM-rlhf-pytorch」，項目作者為 Phil Wang。該項目是在 PaLM 架構之上實現 RLHF（人類反饋的強化學習），它基本上是使用 PaLM 的 ChatGPT。

該項目已在 GitHub 上獲得了 5.8k 的 Stars。

項目地址：https://github.com/lucidrains/PaLM-rlhf-pytorch

下圖為訓練流程。

OpenChatKit

第二個項目是「OpenChatKit」，它提供了一個強大的的開源基礎，為各種應用程序創建專用和通用的聊天機器人。該 kit 包含了一個經過指令調優的 200 億參數語言模型、一個 60 億參數調節模型和一個涵蓋自定義存儲庫最新響應的可擴展檢索系統。

OpenChatKit 是在 OIG-43M 訓練數據集上訓練的，該數據集是 Together、LAION 和 Ontocord.ai 三者的聯合。項目作者表示，這不僅僅是一個模型的發布，還是一個開源項目的開始。他們正在發布一套工具和流程，并通過社區貢獻持續改進。

該項目已在 GitHub 上獲得了 5.7k 的 Stars。

項目地址：https://github.com/togethercomputer/OpenChatKit

text-generation-webui

第三個項目是「text-generation-webui」，它是一個用于運行 GPT-J 6B、OPT、GALACTICA、LLaMA 和 Pygmalion 等大語言模型的 gradio web UI。該項目旨在成為文本生成領域的 AUTOMATIC1111/stable-diffusion-webui。

功能包括使用下拉菜單在不同模型之間切換、提供類似于 OpenAI playground 的筆記本模式、用于對話和角色扮演的聊天模式、為 GPT-4chan 生成漂亮的 HTML 輸出等等。

該項目已在 GitHub 上獲得了 3.4k 。

項目地址：https://github.com/oobabooga/text-generation-webui

KoboldAI-Client

第四個項目是「KoboldAI-Client」，它是一個基于瀏覽器的前端，通過多個本地和遠程 AI 模型實現 AI 輔助寫作。

KoboldAI-Client 提供了一系列標準的工具，包括內存、作者注釋、世界信息、保存 & 加載、可調節的 AI 設置、格式化選項以及導入現有文字冒險游戲《AI Dungeon》的能力。你可以開啟 Adventure 模式，也可以玩 AI Dungeon Unleashed 之類的游戲。

該項目已在 GitHub 上獲得了 1.4k。

項目地址：https://github.com/KoboldAI/KoboldAI-Client

Open-Assistant

第五個項目是「Open-Assistant」，它旨在讓每一個人都可以訪問基于聊天的大語言模型。項目作者希望借此在語言創新方面掀起一場革命，就像 stable diffusion 幫助世界以新的方式創造藝術和圖像一樣。

項目作者計劃收集高質量人工生成指令執行樣本（指示 + 響應），目標大于 50k。對于收集到的每個指示，他們將采樣多個補全結果。接下來進入基于指示和獎勵模型的 RLHF 訓練階段。

該項目已在 GitHub 上獲得了 19k 的 Stars。

項目地址：https://github.com/LAION-AI/Open-Assistant

stanford_alpaca

第六個項目是「stanford_alpaca」，它旨在建立和共享一個指令遵循的 LLaMA 模型。該 repo 包含了用于微調模型的 52k 數據、用于生成數據的代碼以及用于微調模型的代碼。

該項目已在 GitHub 上獲得了 9.5k 的 Stars。

項目地址：https://github.com/tatsu-lab/stanford_alpaca

ChatRWKV

第七個項目是「ChatRWKV」，它類似于 ChatGPT，但由 RWKV（100% RNN）模型支持，并且是開源的。項目作者表示，RWKV 是目前唯一能在質量和擴展方面媲美 transformers 的 RNN 模型，同時速度更快、節省 VRAM。

該項目已在 GitHub 上獲得了 3.5k 的 Stars。

項目地址：https://github.com/BlinkDL/ChatRWKV

ChatGLM-6B

第八個項目是由清華技術成果轉化的公司智譜 AI 開源、支持中英雙語的對話語言模型「ChatGLM-6B」，基于 General Language Model (GLM) 架構，具有 62 億參數。結合模型量化技術，用戶可以在消費級的顯卡上進行本地部署（INT4 量化級別下最低只需 6GB 顯存）。

ChatGLM-6B 使用了和 ChatGPT 相似的技術，針對中文問答和對話進行優化。經過約 1T 標識符的中英雙語訓練，輔以監督微調、反饋自助、人類反饋強化學習等技術的加持，62 億參數的 ChatGLM-6B 已經能生成相當符合人類偏好的回答。

不過由于 ChatGLM-6B 的規模較小，目前已知其具有相當多的局限性，如事實性 / 數學邏輯錯誤、可能生成有害 / 有偏見內容、較弱的上下文能力、自我認知混亂、以及對英文指示生成與中文指示完全矛盾的內容。

該項目已在 GitHub 上獲得了 6k 的 Stars。

項目地址：https://github.com/THUDM/ChatGLM-6B

xmtf

第九個項目是「xmtf」，包含了創建論文《Crosslingual Generalization through Multitask Finetuning》中介紹的 BLOOMZ、mT0 和 xP3 的所有組件。

其中 BLOOMZ 是一個 1760 億參數且可開放獲取的多語言模型；mT0（這里特指谷歌的 T5X）；xP3 是 46 種語言的有監督數據集，帶有英語和機器翻譯的 prompts。

項目地址：https://github.com/bigscience-workshop/xmtf

除了上述提到的模型，ChatGPT 平替項目還包括基于 Meta 開源的大模型系列 LLaMA（Large Language Model Meta AI）的一些研究，這個系列模型的參數量從 70 億到 650 億不等。具有 130 億參數的 LLaMA 模型「在大多數基準上」可以勝過 GPT-3（ 參數量達 1750 億），而且可以在單塊 V100 GPU 上運行；而最大的 650 億參數的 LLaMA 模型可以媲美谷歌的 Chinchilla-70B 和 PaLM-540B。

• 論文鏈接：https://research.facebook.com/publications/llama-open-and-efficient-foundation-language-models/
• GitHub 鏈接：https://github.com/facebookresearch/llama

基于此研究，開發者也提出了幾個開源項目。

llama.cpp 無需 GPU，就能運行 LLaMA

llama.cpp 項目實現了在 MacBook 上運行 LLaMA，還有開發者成功的在 4GB RAM 的樹莓派上運行了 LLaMA 7B。總結而言，即使開發者沒有 GPU ，也能運行 LLaMA 模型。

項目地址：https://github.com/ggerganov/llama.cpp

ChatLLaMA?

由于 LLaMA 大模型系列沒有使用 RLHF 方法，因此初創公司 Nebuly AI 開源了 RLHF 版 LLaMA（ChatLLaMA）的訓練方法。它的訓練過程類似 ChatGPT，該項目允許基于預訓練的 LLaMA 模型構建 ChatGPT 形式的服務。與 ChatGPT 相比，LLaMA 架構更小，但訓練過程和單 GPU 推理速度更快，成本更低；該庫還支持所有的 LLaMA 模型架構（7B、13B、33B、65B），因此用戶可以根據訓練時間和推理性能偏好對模型進行微調。

項目地址：https://github.com/nebuly-ai/nebullvm/tree/main/apps/accelerate/chatllama

期待后續更多開源項目加入進來。